LG AI연구원·한화생명과 금융 AI 신뢰성 및 맞춤형 자문 기술 연구
투자 판단 바꾸는 정보 요약 한계 분석…판단 변화율 31.5%→19.5% 개선
JP모건·블랙록 등 글로벌 금융기관과 국내외 대학 연구진 공동 참여
![[울산=뉴시스] UNIST 이용재 교수 photo@newsis.com *재판매 및 DB 금지](https://img1.newsis.com/2026/10/29/NISI20261029_0002277414_web.jpg?rnd=20261029131713)
[울산=뉴시스] UNIST 이용재 교수 [email protected] *재판매 및 DB 금지
[울산=뉴시스] 구미현 기자 = 인공지능(AI)이 기업 공시와 실적 자료를 요약하는 과정에서 핵심 맥락이 누락되면 투자 판단까지 달라질 수 있다는 연구 결과가 나왔다.
울산과학기술원(UNIST) 연구진은 원문과 AI 요약문을 비교해 판단에 필요한 정보를 충실히 담은 요약문을 선별하는 기술을 개발했다. 금융 AI의 정보 처리 신뢰성을 높이고 투자자 맞춤형 자문으로 연구 범위를 넓힌 점이 주목된다.
UNIST 산업공학과·인공지능대학원 이용재 교수팀은 지난 24일부터 29일까지 헝가리 부다페스트에서 열린 자연어처리 분야 국제학회 'EMNLP 2026'에서 논문 4편을 발표했다고 29일 밝혔다.
이번 성과는 산업 트랙 논문 3편과 메인 트랙 논문 1편으로 구성됐으며 LG AI연구원·한화생명과의 산학협력과 국내외 공동연구를 통해 도출됐다.
주요 연구는 LG AI연구원 엑사원(EXAONE) BI팀과 진행한 '요약이 판단을 왜곡할 때(When Summaries Distort Decisions)'다. 지난해 국제학회 'ICAIF 2025'에서 대규모 언어모델(LLM)의 투자 성향과 확증편향을 분석한 데 이어 이번에는 투자 판단의 전 단계인 정보 요약 과정에서 발생하는 문제를 집중적으로 살폈다.
연구팀은 미국 기업의 분기 공시 자료 300건과 실적발표 자료 297건을 대상으로 동일한 판단 모델이 원문과 요약문을 각각 분석했을 때 투자 판단이 어떻게 달라지는지 비교했다. 그 결과 네 가지 요약 모델에서 판단이 달라진 비율은 공시 자료가 약 24~32%였으며 실적발표 자료는 약 25~30%로 나타났다.
이는 요약 내용에 명백한 사실 오류가 없더라도 투자 판단에 중요한 맥락이 빠지면 결과가 달라질 수 있음을 보여준다.
연구팀은 이러한 문제를 줄이기 위해 여러 모델이 생성한 요약문을 원문과 대조하고 근거가 더 충실한 요약문을 선택하는 '에이전트 기반 맥락 압축(ACC)' 기법을 제안했다. 이 기법은 요약문 길이를 원문의 약 4~5% 수준으로 유지하면서 공시 자료에 대한 투자 판단 변화율을 31.5%에서 19.5%로 낮췄다.
해당 연구는 이용재 교수와 안원빈 LG AI연구원 연구원이 공동 교신저자를 맡았다. 금융 AI 스타트업 링크알파를 비롯해 JP모건·블랙록·스테이트 스트리트 인베스트먼트 매니지먼트와 미국 텍사스대학교 오스틴·플로리다대학교·영국 에든버러대학교 연구진이 공동저자로 참여했다.
한화생명 AI연구소와 수행한 '펀드투페르소나(Fund2Persona)'는 투자 철학과 의사결정 방식을 반영한 AI 금융자문가를 구축하는 연구다. 실제 펀드의 공시 자료와 보유 종목 변화 및 운용진의 설명을 분석해 자문가의 특성을 설계했다. 투자자의 목표와 성향에 맞는 금융자문을 제공하는 것이 핵심이다. UNIST와 한화생명을 비롯해 링크알파·블랙스톤·텍사스대학교 오스틴·플로리다대학교 연구진이 참여했다.
또 다른 산업 트랙 논문 '프롬 텍스트 투 알파(From Text to Alpha)'는 기업 공시 자료에서 투자에 활용할 수 있는 신호를 찾아내는 연구다. 기업이 강조하는 성과 지표의 변화 양상을 추적하고 이러한 변화가 투자 분석에 활용될 수 있는지 살폈다. UNIST와 링크알파를 비롯해 JP모건·블랙스톤·스테이트 스트리트 인베스트먼트 매니지먼트 소속 연구진이 공동연구에 참여했다.
메인 트랙에 채택된 '엠엠 컴플라이언스(MM-Compliance)'는 기업의 지속가능성 보고서가 공시 기준을 충족하는지 평가하는 연구다. 여러 언어로 작성된 보고서의 텍스트뿐 아니라 표와 그림까지 함께 분석할 수 있는 데이터셋을 구축했다. UNIST와 일본 쓰쿠바대학교·히토쓰바시대학교·국립정보학연구소(NII) 및 대만 국립타이베이대학교·국립타이완대학교와 태국 출라롱콘대학교·프랑스 3DS 아웃스케일 연구진이 참여했다.
이용재 교수는 "이번 성과는 LG AI연구원·한화생명과의 산학과제에서 출발한 현장 문제를 국내외 금융기관과 대학 연구진의 협력으로 발전시킨 결과"라며 "금융 AI가 판단에 필요한 근거를 충실히 보존하고 투자자 목적에 맞는 도움을 제공하도록 연구를 이어가겠다"고 말했다.
◎공감언론 뉴시스 [email protected]
울산과학기술원(UNIST) 연구진은 원문과 AI 요약문을 비교해 판단에 필요한 정보를 충실히 담은 요약문을 선별하는 기술을 개발했다. 금융 AI의 정보 처리 신뢰성을 높이고 투자자 맞춤형 자문으로 연구 범위를 넓힌 점이 주목된다.
UNIST 산업공학과·인공지능대학원 이용재 교수팀은 지난 24일부터 29일까지 헝가리 부다페스트에서 열린 자연어처리 분야 국제학회 'EMNLP 2026'에서 논문 4편을 발표했다고 29일 밝혔다.
이번 성과는 산업 트랙 논문 3편과 메인 트랙 논문 1편으로 구성됐으며 LG AI연구원·한화생명과의 산학협력과 국내외 공동연구를 통해 도출됐다.
주요 연구는 LG AI연구원 엑사원(EXAONE) BI팀과 진행한 '요약이 판단을 왜곡할 때(When Summaries Distort Decisions)'다. 지난해 국제학회 'ICAIF 2025'에서 대규모 언어모델(LLM)의 투자 성향과 확증편향을 분석한 데 이어 이번에는 투자 판단의 전 단계인 정보 요약 과정에서 발생하는 문제를 집중적으로 살폈다.
연구팀은 미국 기업의 분기 공시 자료 300건과 실적발표 자료 297건을 대상으로 동일한 판단 모델이 원문과 요약문을 각각 분석했을 때 투자 판단이 어떻게 달라지는지 비교했다. 그 결과 네 가지 요약 모델에서 판단이 달라진 비율은 공시 자료가 약 24~32%였으며 실적발표 자료는 약 25~30%로 나타났다.
이는 요약 내용에 명백한 사실 오류가 없더라도 투자 판단에 중요한 맥락이 빠지면 결과가 달라질 수 있음을 보여준다.
연구팀은 이러한 문제를 줄이기 위해 여러 모델이 생성한 요약문을 원문과 대조하고 근거가 더 충실한 요약문을 선택하는 '에이전트 기반 맥락 압축(ACC)' 기법을 제안했다. 이 기법은 요약문 길이를 원문의 약 4~5% 수준으로 유지하면서 공시 자료에 대한 투자 판단 변화율을 31.5%에서 19.5%로 낮췄다.
해당 연구는 이용재 교수와 안원빈 LG AI연구원 연구원이 공동 교신저자를 맡았다. 금융 AI 스타트업 링크알파를 비롯해 JP모건·블랙록·스테이트 스트리트 인베스트먼트 매니지먼트와 미국 텍사스대학교 오스틴·플로리다대학교·영국 에든버러대학교 연구진이 공동저자로 참여했다.
한화생명 AI연구소와 수행한 '펀드투페르소나(Fund2Persona)'는 투자 철학과 의사결정 방식을 반영한 AI 금융자문가를 구축하는 연구다. 실제 펀드의 공시 자료와 보유 종목 변화 및 운용진의 설명을 분석해 자문가의 특성을 설계했다. 투자자의 목표와 성향에 맞는 금융자문을 제공하는 것이 핵심이다. UNIST와 한화생명을 비롯해 링크알파·블랙스톤·텍사스대학교 오스틴·플로리다대학교 연구진이 참여했다.
또 다른 산업 트랙 논문 '프롬 텍스트 투 알파(From Text to Alpha)'는 기업 공시 자료에서 투자에 활용할 수 있는 신호를 찾아내는 연구다. 기업이 강조하는 성과 지표의 변화 양상을 추적하고 이러한 변화가 투자 분석에 활용될 수 있는지 살폈다. UNIST와 링크알파를 비롯해 JP모건·블랙스톤·스테이트 스트리트 인베스트먼트 매니지먼트 소속 연구진이 공동연구에 참여했다.
메인 트랙에 채택된 '엠엠 컴플라이언스(MM-Compliance)'는 기업의 지속가능성 보고서가 공시 기준을 충족하는지 평가하는 연구다. 여러 언어로 작성된 보고서의 텍스트뿐 아니라 표와 그림까지 함께 분석할 수 있는 데이터셋을 구축했다. UNIST와 일본 쓰쿠바대학교·히토쓰바시대학교·국립정보학연구소(NII) 및 대만 국립타이베이대학교·국립타이완대학교와 태국 출라롱콘대학교·프랑스 3DS 아웃스케일 연구진이 참여했다.
이용재 교수는 "이번 성과는 LG AI연구원·한화생명과의 산학과제에서 출발한 현장 문제를 국내외 금융기관과 대학 연구진의 협력으로 발전시킨 결과"라며 "금융 AI가 판단에 필요한 근거를 충실히 보존하고 투자자 목적에 맞는 도움을 제공하도록 연구를 이어가겠다"고 말했다.
◎공감언론 뉴시스 [email protected]
